本项目主要研发实现具备人体姿态行为检测与工人安全帽佩戴检测的巡检机器人。该机 器人具备的功能有： 1、人体姿态行为检测：为了实现巡检机器人的人体姿态行为检测功能，本项目将充分 应用国内外机器学习和计算机视觉相关前沿理论成果，深入研究基于计算机视觉的人体骨骼 关键点检测、复杂场景人体动作识别、嵌入式平台实时异常行为检测识别等人体动作识别关 键技术，从而实现医院、校园、商场等场景中的跌倒、打闹、攀爬等异常行为的及时发现报 警。2、安全帽佩戴检测：利用图像智能识别技术，对施工现场的工人安全问题进行全方位 的智能管控。采用以人脸识别、着装规范、安全帽佩戴识别为代表的智能监管能力，实现了 “事前可预警，事后可追溯”。当检测到工作人员未佩戴安全服、安全帽时，自动触发告警， 提醒安全管理人员及时处理。 3、机器人定位与地图重建模块：为了实现机器人的巡检功能，机器人定位和地图重建 算法发挥着巨大的作用。本项目拟使用 Gampping-SLAM 进行同时定位与地图构建。它基于 RBPF 粒子滤波算法利用里程计与激光雷达数据进行即时定位与建图。Gmapping 算法在粒子 滤波算法基础上，使用自适应重采样的方法合理地分配粒子的权重，解决了原有算法粒子退 化问题。利用改算法，更好的实现了机器人构建地图功能。 4、自主导航与路径规划：为了实现巡检机器人巡检时的巡检功能，本项目拟使用全局 规划算法——A*算法来使巡检机器人能够沿着最优路径到达用户指定的地点。通过 A*算法 替换其自身的 Dijkstra 全局路径规划算法，加强了巡检机器人的的定位导航，自主避障能 力。在半结构化环境中，事先建立需要被巡检的环境地图，以路径最短为优化目标，采用栅 格地图来描述环境模型，用 A*方法进行路径规划，让机器能在在已建好的地图上快速地规 划出一条最优路径，并实时避通过自身携带的 IMU 和激光雷达生成实时的状态估计从而完成 自身的定位。在定位的同时增量式完成地图的构建，为下面的路径规划提供依据。根据以上 算法，使机器人自主导航更加精确